أطلقت IBM إصدار Mellea 0.4.0 وGranite Libraries لخطوط AI القابلة للتحقق

IBM Research выпустила Mellea 0.4.0 и одновременно представила три Granite Libraries — наборы специализированных адаптеров для Granite-моделей. Релиз нацелен на тех, кто строит не просто чат-бота, а управляемые AI-пайплайны с проверкой структуры, фактов и соблюдением правил.

Что обновили

Mellea — это open-source Python-библиотека для «генеративных программ»: вместо хрупкого промптинга она предлагает собирать LLM-воркфлоу из предсказуемых шагов. IBM позиционирует её как альтернативу оркестраторам общего назначения, где поведение модели часто остаётся вероятностным и плохо воспроизводимым. Фреймворк нужен там, где ответ модели становится частью бизнес-процесса, отчёта, формы или цепочки агентных действий.

Версия 0.4.0 развивает идеи релиза 0.

3.0 и расширяет набор строительных блоков для таких сценариев. В новой версии появился нативный слой интеграции с Granite Libraries через стандартизованный API.

Ключевой акцент — constrained decoding, чтобы ответы соответствовали заданной схеме, а не только «похоже выглядели» как корректный JSON. Ещё один важный паттерн — instruct-validate-repair: система сначала генерирует ответ, затем валидирует его и при необходимости запускает исправление. По release notes, Mellea также получила hooks и plugin support, экспорт логов через OTLP, метрики для Prometheus и OpenTelemetry, а также учёт расхода токенов и событий на уровне пайплайна.

Что вошло в

Granite Libraries Granite Libraries — это не ещё одна большая универсальная модель, а набор LoRA-адаптеров для granite-4.0-micro. Каждый адаптер натренирован на узкую операцию внутри цепочки: переписать запрос, проверить выполнение требований, оценить фактичность, проставить цитаты или отследить нарушение policy.

Такой подход позволяет усиливать отдельные этапы пайплайна без полного дообучения базовой модели. IBM отдельно подчёркивает, что это даёт прибавку в точности при умеренной цене по параметрам и без ломки базовых возможностей Granite. *granitelib-core-r1.

0 — адаптеры для проверки требований, оценки уверенности ответа и объяснимости через context attribution. granitelib-rag-r1.0* — инструменты для agentic RAG: query rewrite, query clarification, проверка релевантности контекста, оценка answerability, детекция галлюцинаций и генерация цитат.

* granitelib-guardian-r1.0 — модули для safety, factuality и policy compliance, включая factuality correction и отдельные guardrails.

• Все библиотеки работают поверх granite-4.0-micro, а RAG-набор опубликован как компактный пакет примерно на 14,4 млн параметров. На практике это значит, что разработчик может не пытаться заставить одну модель одинаково хорошо делать всё сразу. Вместо этого Mellea оркестрирует специализированные «вставки» в нужных местах: до retrieval, перед генерацией, после генерации и на финальной проверке. Для enterprise-сценариев это особенно полезно там, где нужно доказуемо пройти по схеме, не ответить на неразрешимый вопрос, вернуть цитаты к каждому утверждению или показать, на какие фрагменты контекста система реально опиралась.

Почему релиз важен

Главная идея релиза — сдвиг от «умной модели с большим промптом» к модульной архитектуре, где качество контролируется на каждом шаге. Это хорошо ложится на реальные продуктовые задачи: внутренние copilot-ы, RAG-поиск по документам, ассистенты с tool calling, compliance-проверки и любые сценарии, где ошибка должна быть не просто замечена пользователем, а поймана системой автоматически. Для аудируемых отраслей вроде финансов, медицины или корпоративного документооборота такой подход особенно прагматичен.

Отдельно выделяется наблюдаемость. Если в LLM-стеке есть callbacks, telemetry, OpenTelemetry-метрики и экспорт в Prometheus, командой уже можно управлять как обычным production-сервисом: смотреть, где теряются токены, на каком этапе валится валидация, какие адаптеры чаще запускают repair-цикл. Это упрощает не только отладку, но и эксплуатацию: AI-функции начинают выглядеть как измеримый сервис, а не как чёрный ящик с хорошими демо.

Для команд, которые переводят пилоты в прод, это часто важнее очередного прироста в benchmark. Ещё один сильный ход IBM — ставка на специализированные адаптеры вместо раздувания базовой модели под каждую задачу. У Core есть uncertainty-оценка и requirement check, у RAG — работа с запросом, релевантностью и цитированием, у Guardian — проверка безопасности, фактичности и соответствия политике.

В сумме это превращает Granite не просто в модель, а в набор прикладных примитивов для сборки контролируемых AI-систем. Фактически часть ручного QA и промпт-тюнинга здесь переносится в отдельные проверяемые компоненты.

Что это значит IBM делает ставку не на «ещё один чат», а на

инфраструктуру для проверяемых AI-процессов. Если подход Mellea и Granite Libraries приживётся, рынок будет быстрее уходить от промпт-инженерии вручную к более инженерному, модульному и аудируемому способу строить LLM-продукты, где важны не только качество ответа, но и возможность объяснить, проверить и при необходимости автоматически исправить его до выдачи пользователю.